摘要:
本文用于记载学习CNN过程的一些心得~~欢迎大家轻拍~~~
1.在CNN中希望保持卷积后的图像与原始图像的大小相同,需要如何进行填补?
假设原图像大小为了N,滤波器尺寸为F,步长为s。
当s为1的时候:
需要进行zero padding的个数P与原始图像大小无关,只与滤波器的大小F有关。
具体表现为:P=(F-1)/2。(这个自己把公式写一下就明白了)
当s不为1的时候,其实是与原始图像大小是有关系的。
padding的目的其实在于保持卷积前后的图像大小保持一致。(否则每次做卷积,图像尺寸都会不断的缩小)
当s为1的时候:
需要进行zero padding的个数P与原始图像大小无关,只与滤波器的大小F有关。
具体表现为:P=(F-1)/2。(这个自己把公式写一下就明白了)
当s不为1的时候,其实是与原始图像大小是有关系的。
padding的目的其实在于保持卷积前后的图像大小保持一致。(否则每次做卷积,图像尺寸都会不断的缩小)
2.在CNN中,假设输入图像尺寸是32*32*3,有10个卷积核,每个卷积核的大小为5*5,请问此卷积层有多少个参数?
每个卷积核有3*5*5+1=76个参数(不要忘记每个卷积核有一个偏置项)
总共10个卷积核,故一共760个参数。
总共10个卷积核,故一共760个参数。
3.1*1的卷积核的作用
1.改变维度。2.对上一层的feature map的线性叠加。